部分验证80% 置信事实精确时间
视觉模型现在能看到由 MCP 工具返回的图片，多图对话时系统直接提供解码后的像素数据而非转发 base64
4
来源数
80%
置信度
中期 (~90 天)
时效性
2026/9/22
首次发现
有效期至：2026/12/21
来源
涉及实体
相关事实
待验证视觉模型接收每张屏幕截图并输出结构化信息，包括OCR识别文本、页面布局、UI控件的像素坐标框及元素状态76% 相似待验证DSH Vision Toolkit 1.38（MIT）为纯文本模型提供图像问答、长截图 OCR、界面还原和像素差异等能力，并将图像证据持久保存以复用74% 相似待验证屏幕理解型AI工具通常通过截图或实时画面捕获获取屏幕内容，行业内主流方案包括本地处理和加密传输后云端处理两种70% 相似待验证V0新增了图像生成功能，可直接为应用生成UI素材，替代之前需要通过Replicate MCP实现的流程70% 相似待验证PawFlow采用按图像内容哈希缓存视觉描述的策略，屏幕像素未变则哈希不变，直接命中缓存跳过视觉模型调用69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/941181API
curl https://kongchang.com/api/v1/knowledge/claims/941181MCP
get_claim(id=941181)